-
公开(公告)号：CN112240768A
公开(公告)日：2021-01-19
申请号：CN202010949831.9
申请日：2020-09-10
Applicant: 西安电子科技大学 , 北京临近空间飞行器系统工程研究所
IPC: G01C21/16 , G01C21/20 , G06F17/11 , G06F17/16 , G06K9/46 , G06K9/62 , G06T7/50 , G06T7/62 , G06T7/80
Abstract: 本发明属于无人驾驶技术领域，公开了一种基于Runge‑Kutta4改进预积分的视觉惯导融合SLAM方法，用于解决现有视觉ORB‑SLAM2方法在快速运动、环境特征稀疏等场合存在的定位精度低、鲁棒性差等问题的技术问题；实现步骤为：输入双目图像对信息；输入IMU信息；对双目图像进行预处理；利用Runge‑Kutta4算法对IMU进行预积分；系统初始化；联合状态估计；滑动窗口局部优化；回环检测与全局位姿图优化。本发明可以在不同难度等级的场景中有效地进行定位估计和地图创建，与原视觉ORB‑SLAM2方法相比，本发明的方法具有更高的定位精度，可用于无人系统导航、虚拟现实等技术领域。
-
公开(公告)号：CN103645483B
公开(公告)日：2017-04-26
申请号：CN201310654468.8
申请日：2013-12-09
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
Abstract: 一种弱信号环境下北斗信号捕获方法，其包括，S1下变频单元，对接受到的中频采样信号进行下变频处理；S2分别将接收到的信号进行剥离NH码，并变换到频域，与本地码频域值的复工额相乘后再逆变换到时域；S3将目前时刻的相干累加值与前一时刻的相干累加值的共轭相乘并求和；S4对相干积分结果峰值两侧谱线的幅度差值作泰勒级数展开，导出了频率值与幅度差值的准线性关系，利用此线性关系求解得到频率估计值。本发明能一次相关计算所有码相位对应的相关值。提高信噪比进而提高了检测概率，减小非相干积分的平方损失；克服导航数据调制所带来的比特翻转问题，提高了检测概率；有效提高了码相位和载波频偏估计精度。运算速度和精度都得到了保障，具有很强的稳定性和实用性。
-
公开(公告)号：CN103630916B
公开(公告)日：2017-04-26
申请号：CN201310627674.X
申请日：2013-11-29
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: H04B1/7075 , G01S19/30
Abstract: 本发明公开了一种基于双FFT频域滤波码捕获方法，包括以下步骤：1）对接受到的中频信号进行下变频；2）将基带信号分为Qms数据，分别与本地码频域值的复共轭相乘，再分别取傅里叶逆变换；3）分段处理；4）快速傅里叶变换；5）低通滤波；6）滤波后的频域信号进行快速傅里叶反变换；7）对得到的信号进行非相干积累，构造判决统计量；8）门限判决，大于门限即为检测信号。本发明的方法将经过PMF的信号先经过一个低通滤波器，滤除有用信号带外的频率，再对滤波后的信号进行重构，有效地滤除了噪声，这样信号再进行非相干积累，可以更大程度地提高信号的信噪比，进而提高检测概率。
-
公开(公告)号：CN103630916A
公开(公告)日：2014-03-12
申请号：CN201310627674.X
申请日：2013-11-29
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G01S19/30
CPC classification number: G01S19/246
Abstract: 本发明公开了一种基于双FFT频域滤波码捕获方法，包括以下步骤：1）对接受到的中频信号进行下变频；2）将基带信号分为Qms数据，分别与本地码频域值的复共轭相乘，再分别取傅里叶逆变换；3）分段处理；4）快速傅里叶变换；5）低通滤波；6）滤波后的频域信号进行快速傅里叶反变换；7）对得到的信号进行非相干积累，构造判决统计量；8）门限判决，大于门限即为检测信号。本发明的方法将经过PMF的信号先经过一个低通滤波器，滤除有用信号带外的频率，再对滤波后的信号进行重构，有效地滤除了噪声，这样信号再进行非相干积累，可以更大程度地提高信号的信噪比，进而提高检测概率。
-
公开(公告)号：CN103645483A
公开(公告)日：2014-03-19
申请号：CN201310654468.8
申请日：2013-12-09
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
Abstract: 一种弱信号环境下北斗信号捕获方法，其包括，S1下变频单元，对接受到的中频采样信号进行下变频处理；S2分别将接收到的信号进行剥离NH码，并变换到频域，与本地码频域值的复工额相乘后再逆变换到时域；S3将目前时刻的相干累加值与前一时刻的相干累加值的共轭相乘并求和；S4对相干积分结果峰值两侧谱线的幅度差值作泰勒级数展开，导出了频率值与幅度差值的准线性关系，利用此线性关系求解得到频率估计值。本发明能一次相关计算所有码相位对应的相关值。提高信噪比进而提高了检测概率，减小非相干积分的平方损失；克服导航数据调制所带来的比特翻转问题，提高了检测概率；有效提高了码相位和载波频偏估计精度。运算速度和精度都得到了保障，具有很强的稳定性和实用性。
-
Patent Agency Ranking
公开(公告)号：CN112435177B
公开(公告)日：2023-12-08
申请号：CN202011242885.8
申请日：2020-11-10
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于SRU与残差网络的递归红外图像非均匀校正方法，将原始非均匀噪声图与原始非均匀噪声图进行通道数拼接，进行初步特征提取；其次，将初步特征提取结果经过简单递归单元(SRU)完成特征提取；经过多层残差块与卷积层处理，获得一阶段的红外图像非均匀校正结果；将所述一阶段的红外图像非均匀校正结果与原始非均匀噪声图进行通道数拼接，进行下一步特征提取，如此进行共N个阶段，获得最终的红外图像非均匀校正结果。本发明通过残差模块和简单递归单元共同作用，在以6个阶段作为递归的情况下，网络共享每个阶段的参数，大大降低了整体网络参数量，对大多数场景的红外图像都具有良好的非均匀性校正效果。
-
公开(公告)号：CN115437406A
公开(公告)日：2022-12-06
申请号：CN202211130234.9
申请日：2022-09-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于强化学习算法的飞行器再入跟踪制导方法，用于解决现有技术中对系统模型依赖性较大和适应性及制导性能差的问题。其实现方案为建立半速度坐标系下飞行器再入连续最优控制问题；将飞行器再入连续最优控制问题转化为序列凸最优控制问题；将序列凸最优控制问题转化为序列二阶锥规划问题；对序列二阶锥规划问题进行求解，获取飞行器最优倾侧角；对最优倾侧角轨迹采样得到参考轨迹训练数据集；构建神经网络和奖励函数；利用训练数据集对神经网络进行离线训练，直到累计奖励收敛到最大值，得到制导网络；通过制导网络在线获取飞行器再入制导指令，实时跟踪目标高度。本发明适应性强，制导精度高，可用于火箭回收。
-
公开(公告)号：CN114898189A
公开(公告)日：2022-08-12
申请号：CN202210333408.5
申请日：2022-03-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于模态差异特征引导的红外可见光融合识别系统，包括双流骨干网络模块、光照热度感知模块和级联区域提议模块，其中，所述双流骨干网络模块包括红外特征提取单元、可见光特征提取单元以及特征引导单元，其中，红外特征提取单元获取原始红外图像的不同尺度红外特征，可见光特征提取单元获取可见光图像的不同尺度可见光特征；特征引导单元获得加权的红外特征和加权的可见光特征；光照热度感知模块获取可见光特征的可信度权值和红外特征的可信度权值；级联区域提议模块用于获得目标的识别结果。本发明采用模态间特征差异引导补充学习的层级间特征生成方式，提升了模态间特征表示的依赖性，并提高了网络系统的泛化能力。
-
公开(公告)号：CN114842235A
公开(公告)日：2022-08-02
申请号：CN202210284099.7
申请日：2022-03-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于形状先验分割和多尺度特征聚合的红外弱小目标识别方法，包括：对输入的红外原始图像执行高斯滤波操作，以增强暗淡的弱小目标；对高斯滤波后的红外图像进行基于形状先验的分割，以获得目标候选区域；对目标候选区域进行裁剪并输入到多尺度特征提取模块，以获取小目标的特征表示；将小目标的特征表示输入到特征聚合网络中，得到张量拼接后的图像；对张量拼接后的图像进行批量归一化处理以及非线性变换，并通过Softmax输出目标分类结果。本发明基于形状先验的分割模块充分利用弱小目标的先验信息以获取可疑目标区域，减少全局参数量以提高算法效率，多尺度特征提取和聚合模块为弱小目标实现足够数量的特征通道，进而保证其可检测性。
-
公开(公告)号：CN114742721A
公开(公告)日：2022-07-12
申请号：CN202210278183.8
申请日：2022-03-21
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于多尺度STL‑SRU残差网络的定标红外非均匀性校正方法，所述定标红外非均匀性校正方法包括：步骤1、获取第一温度和第二温度下的黑体的第一温度图像和第二温度图像，所述第一温度小于所述第二温度；步骤2、利用所述第一温度图像和所述第二温度图像对目标场景图像进行校正处理，得到预处理校正图像；步骤3、将所述预处理校正图像输入训练好的多尺度STL‑SRU残差网络进行深度特征表示提取，将提取的特征表示作为最终的非均匀性校正结果。本发明的定标红外非均匀性校正方法在去除非均匀性噪声的基础上减少校正后图像的细节及对比度损失。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.045 seconds)
